基于统计学习的挂马网页实时检测

近年来挂马网页对web安全造成严重威胁，客户端的主要防御手段包括反病毒软件与恶意站点黑名单。反病毒软件采用特征码匹配方法，无法有效检测经过加密与混淆变形的网页脚本代码；黑名单无法防御最新出现的恶意站点。提出一种新型的、与网页内容代码无关的挂马网页实时检测方法。该方法主要提取访问网页时http会话过程的各种统计特征，利用决策树机器学习方法构建挂马网页分类模型并用于在线实时检测。实验证明，该方法能够达到89.7%的挂马网页检测率与0.3%的误检率。